正则捕获组异常：马拉卡纳固定座椅控制号提取故障

问题分析 #

1. 多号码捕获失败：原正则使用\g<NUMERO_CONTROLE_CADEIRA>子例程，但未将多号码匹配设计为可重复的捕获单元，且命名捕获组默认仅保留最后一次匹配结果，导致第二个号码无法被捕获。
2. 号码末尾缺失：原表达式\d(\d|\s|-|–)+强制后续至少一个字符（数字/空格/连字符），当号码末尾为数字时，易被后续非数字字符（如括号）截断，丢失最后一位数字。

修正后的正则表达式 #

cadeiras?\s*(perpétua|cativa)?s?\s*(de|com|,)?\s*(o)?\s*(número)?\s*(de)?\s*(controle)?\s*(inicial)?\s*(de)?\s*(números?|nº)?\s*(?<NUMERO_CONTROLE_CADEIRA>\d(?:\d|\s|-|–)*\d)(?:\s*e\s*(?<NUMERO_CONTROLE_CADEIRA>\d(?:\d|\s|-|–)*\d))*

关键修改点 #

• 修复号码末尾缺失：将原号码匹配逻辑\d(\d|\s|-|–)+调整为\d(?:\d|\s|-|–)*\d，确保号码以数字开头和结尾，彻底避免截断丢失最后一位；用非捕获组(?:...)优化匹配性能。
• 支持多号码捕获：新增(?:\s*e\s*(?<NUMERO_CONTROLE_CADEIRA>...))*结构，允许匹配任意多个以葡萄牙语「e」分隔的控制号，重复命名捕获组可记录所有匹配结果（需开启PCRE引擎的全局匹配模式）。
• 兼容文书表述：保留原正则中冗余的(de)?等结构，确保适配法律文书中不同的表述习惯，无需额外精简即可覆盖更多场景。

测试验证 #

针对你提供的案例：

1. 对于文本：

O Autor é detentor do direito de uso de duas cadeiras perpétuas com o
número de controle nº 1234-123456789 e 3421 – 11111111 (Doc. 04) do
Estádio

将完整捕获两个控制号：1234-123456789和3421 – 11111111。

2. 对于文本：

O Autor é detentor do direito de uso de uma cadeira perpétua com o
número de controle nº 4321-112223333 (Doc. 07) do Estádio Jornalista
Mário Filho

将完整捕获控制号：4321-112223333。

内容的提问来源于stack exchange，提问作者celsowm